El reto: transformar llamadas perdidas en ingresos reales
En el mundo de los talleres mecánicos de lujo, cada llamada perdida puede significar la pérdida de cientos o incluso miles de dólares. Este fue el desafío que enfrentó Kedasha Kerr cuando decidió crear un agente de voz potenciado por IA —no solo un chatbot, sino un recepcionista virtual capaz de responder el teléfono, dar información exacta sobre precios y servicios, y, sobre todo, no dejar pasar ninguna oportunidad de negocio.
Diseñando un agente de voz personalizado con RAG
El primer paso fue construir una base sólida de conocimiento utilizando Retrieval-Augmented Generation (RAG). A través del scraping de la web del taller, la información clave sobre servicios, precios, horarios y políticas se almacenó y procesó en MongoDB Atlas usando embeddings generados por Voyage AI. Así, cada consulta de un cliente es respondida fielmente, basado en datos reales del negocio.
La generación de respuestas se delegó a Anthropic Claude, instruido estrictamente para contestar solo usando la información disponible en la base y, en caso de duda, ofrecer tomar un mensaje para callback. Este enfoque elimina errores críticos como respuestas inexactas de precios, muy comunes en agentes genéricos.
👥 ¿Quieres ir más allá de la noticia?
En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.
👥 Unirme a la comunidadIntegración con telefonía y experiencias 24/7
Para convertir el cerebro IA en una solución práctica, Kerr eligió Vapi como plataforma de telefonía, integrando Deepgram para conversión de voz a texto y ElevenLabs para síntesis de voz. El backend, construido en FastAPI y expuesto en desarrollo mediante Ngrok, responde a consultas telefónicas y almacena interacción y estadísticas en MongoDB para un monitoreo completo del servicio.
Comparativa vs soluciones comerciales del ecosistema
A diferencia de herramientas como AutoLeap AIR, AgentZap o Numa, que entregan asistentes listos para usar (SaaS) y cubren desde llamadas y agenda hasta atención multilingüe, la solución presentada es estrictamente personalizada. Esta adaptación permite ajustar el tono, las políticas y el entrenamiento a necesidades precisas del taller, algo especialmente valioso en negocios boutique y de servicios diferenciados.
Recomendaciones clave para founders
- No uses un LLM sin restricciones para agentes de voz de negocio: la precisión contextual lo es todo.
- Piensa la escalabilidad: agentes personalizados requieren mantenimiento pero ofrecen un fit mayor; los SaaS son rápidos, pero menos flexibles.
- Prioriza la integración con sistemas actuales para aprovechar el dato (calendarios, CRM, dashboard de leads).
- La voz y el flow conversacional importan: ejemplos de pruebas con distintas voces muestran gran impacto en la experiencia y percepción del cliente.
Conclusión
Avanzar hacia agentes de voz IA personalizados ofrece una ventaja clara en industrias donde el costo de oportunidad es alto y el trato es diferenciador. La solución documentada por Kedasha Kerr es replicable y, con ajustes, puede servir de guía para startups que buscan mejorar la captación y experiencia del cliente desde el primer contacto.
Descubre cómo otros founders implementan estas soluciones de IA y automatización en la comunidad Ecosistema Startup.
Fuentes
- https://www.itsthatlady.dev/blog/building-an-ai-receptionist-for-my-brother/ (fuente original)
- https://www.myaifrontdesk.com/blogs/boost-your-auto-repair-shop-with-an-ai-virtual-receptionist-b6913 (fuente adicional)
- https://autoleap.com/air/ (fuente adicional)
- https://www.numa.com/blog/7-best-ai-receptionists-for-car-dealerships-to-improve-lead-handling-in-2025 (fuente adicional)
- https://agentzap.ai/industries/auto-repair (fuente adicional)
- https://www.youtube.com/watch?v=N8-9cyVsmbM (fuente adicional)
- https://www.youtube.com/watch?v=11ObnEUGwkY (fuente adicional)
